作者 | 金旺

欄目 | 機(jī)器人新紀(jì)元

來(lái)自中國(guó)機(jī)器人產(chǎn)業(yè)發(fā)展報(bào)告的數(shù)據(jù)顯示，2022年，中國(guó)服務(wù)機(jī)器人市場(chǎng)規(guī)模首次超過(guò)了工業(yè)機(jī)器人。

而之所以有這樣的發(fā)展趨勢(shì)，離不開這些年人工智能技術(shù)在機(jī)器人領(lǐng)域的推廣應(yīng)用。

實(shí)際上，智能化已經(jīng)是機(jī)器人產(chǎn)業(yè)的大勢(shì)所趨，而且有了推動(dòng)機(jī)器人產(chǎn)業(yè)發(fā)展的可能，就連全球機(jī)器人領(lǐng)域明星企業(yè)波士頓動(dòng)力，也在2022年成立了人工智能研究院，在花大力氣研究機(jī)器人的認(rèn)知智能和運(yùn)動(dòng)智能。

這其中，視覺(jué)智能又是這些年在機(jī)器人領(lǐng)域應(yīng)用最廣，也是不少機(jī)器人能夠在封閉或半封閉空間實(shí)現(xiàn)“自動(dòng)駕駛”的關(guān)鍵。

2023年7月，來(lái)自GGII的統(tǒng)計(jì)數(shù)據(jù)顯示，在3D視覺(jué)傳感器這一細(xì)分領(lǐng)域，奧比中光在中國(guó)服務(wù)機(jī)器人領(lǐng)域2022年的市占率達(dá)到了71.09%。

奧比中光董事長(zhǎng)兼CEO黃源浩稱，“奧比中光2013年成立，2015年就開始為機(jī)器人產(chǎn)業(yè)提供3D視覺(jué)傳感器。”

他認(rèn)為，大模型對(duì)于整個(gè)機(jī)器人產(chǎn)業(yè)的影響堪比“核彈”。

在WRC 2023現(xiàn)場(chǎng)，我們與黃源浩進(jìn)行了一次深入交流，聊了聊大模型如何影響機(jī)器人產(chǎn)業(yè)、人形機(jī)器人軟硬件如何協(xié)同發(fā)展，以及奧比中光在機(jī)器人領(lǐng)域的產(chǎn)業(yè)布局。

“核彈”大模型，變革機(jī)器人

問(wèn)：大模型，尤其是視覺(jué)大模型的出現(xiàn)，對(duì)機(jī)器人產(chǎn)業(yè)有怎樣的影響？

黃源浩：視覺(jué)大模型和語(yǔ)言大模型類似，都是基于谷歌在2017年提出的transformer架構(gòu)。

這讓機(jī)器視覺(jué)經(jīng)歷了一次從基于CNN的架構(gòu)到基于transformer架構(gòu)的變化，機(jī)器人由此也變得聰明了很多。

為什么這么說(shuō)？

因?yàn)榛贑NN架構(gòu)的機(jī)器視覺(jué)算法模型的學(xué)習(xí)過(guò)程需要大量的樣本數(shù)據(jù)，這樣的模型和你下1萬(wàn)盤棋，它記住了怎么下棋，也就學(xué)會(huì)了下棋。

但基于transformer架構(gòu)的機(jī)器視覺(jué)算法模型，可能只需要很小的樣本，在下棋方面就有了不錯(cuò)的能力，這樣的大模型已經(jīng)接近零樣本學(xué)習(xí)，甚至已經(jīng)和人腦的學(xué)習(xí)模式有點(diǎn)相似了。

這就讓機(jī)器人有了類腦的能力，能夠?qū)崿F(xiàn)端到端控制，你只需要輸入各種感知信息，輸出直接就是動(dòng)作了。

這也是為什么我會(huì)覺(jué)得大模型對(duì)于機(jī)器人產(chǎn)業(yè)而言會(huì)是一個(gè)核彈，因?yàn)樗寵C(jī)器人有了和人相似的運(yùn)動(dòng)控制模式。

問(wèn)：大模型對(duì)3D視覺(jué)技術(shù)發(fā)展，會(huì)有怎樣的影響？

黃源浩：現(xiàn)在大模型在朝著多模態(tài)方向發(fā)展，而多模態(tài)的大模型，本身已經(jīng)在以圖像、3D圖像，甚至熱成像圖像作為輸入數(shù)據(jù)了，這是它需要的一個(gè)基礎(chǔ)信息。

另外就3D視覺(jué)而言，基于激光雷達(dá)和大模型兩種方式的視覺(jué)技術(shù)是相輔相成的。

基于激光雷達(dá)的視覺(jué)技術(shù)更精準(zhǔn)，但遠(yuǎn)距離定位能力會(huì)有所缺失；基于大模型的視覺(jué)技術(shù)現(xiàn)在還沒(méi)那么精準(zhǔn)，工作模式類似人眼，但它能夠?qū)崿F(xiàn)遠(yuǎn)距離定位。

我有一個(gè)觀點(diǎn)是，未來(lái)機(jī)器人在某些方面的性能會(huì)比人表現(xiàn)得更好，比如機(jī)器人的感知能力。

問(wèn)：現(xiàn)在3D視覺(jué)在機(jī)器人的認(rèn)知智能和運(yùn)動(dòng)智能上，分別能實(shí)現(xiàn)哪些功能？

黃源浩：認(rèn)知智能其實(shí)更容易做，現(xiàn)在也已經(jīng)做得很不錯(cuò)了，現(xiàn)在基于3D圖像數(shù)據(jù)訓(xùn)練的視覺(jué)模型，進(jìn)行一些測(cè)距等工作已經(jīng)比人更精準(zhǔn)，將來(lái)基于這類模型的機(jī)器人很有可能會(huì)比人更聰明。

例如人如果要將一個(gè)凳子從一個(gè)地方搬到另一個(gè)地方，用肉眼觀察通道的寬度，可能不知道是否能搬得過(guò)去，機(jī)器人看一眼就能測(cè)量出結(jié)果，這就是機(jī)器人比人厲害的地方，其中實(shí)現(xiàn)的就是認(rèn)知智能。

至于涉及到?jīng)Q策、規(guī)劃、控制等運(yùn)動(dòng)智能，目前有些企業(yè)或者機(jī)構(gòu)做的是確定性模型，基于確定性模型的機(jī)器人可能拍出來(lái)的運(yùn)動(dòng)演示視頻很好看，但在實(shí)際演示過(guò)程中，可能失敗幾百次后調(diào)了某一個(gè)參數(shù)，然后再測(cè)試幾百次，又調(diào)了另外一個(gè)參數(shù)，這樣往復(fù)測(cè)試才拍出一個(gè)不錯(cuò)的demo視頻。

然而，這樣實(shí)現(xiàn)的運(yùn)動(dòng)模型目前沒(méi)有泛化能力，如果換到一個(gè)新的環(huán)境，模型也就無(wú)法完全適用了，這也是為什么像波士頓動(dòng)力這樣已經(jīng)創(chuàng)立了超過(guò)30年的公司仍沒(méi)能實(shí)現(xiàn)商業(yè)化的原因。

大模型到來(lái)之后，只要把基于transformer架構(gòu)的大模型部署好，隨著數(shù)據(jù)不斷輸入，機(jī)器人就可以做各種動(dòng)作；當(dāng)成功做出一個(gè)動(dòng)作，這樣產(chǎn)生的就是一個(gè)好的樣本數(shù)據(jù)，沒(méi)成功就是一個(gè)不好的樣本數(shù)據(jù)……。慢慢地，它自己就能學(xué)會(huì)如何運(yùn)動(dòng)。

大模型的參數(shù)量級(jí)非常大，普遍都在10億級(jí)乃至百億級(jí)，如果純靠人，是無(wú)法實(shí)現(xiàn)這樣級(jí)別的參數(shù)調(diào)參的。因而，企業(yè)基于確定性模型研發(fā)的機(jī)器人，如果再遷移到新模式上，可能只能貢獻(xiàn)10%-20%的能力，80%-90%都要基于transformer框架重新再做模型訓(xùn)練。

今年大模型發(fā)展這么迅速，接下來(lái)你會(huì)發(fā)現(xiàn)，無(wú)論是四足機(jī)器人，還是人形機(jī)器人，它的進(jìn)化速度會(huì)比原來(lái)快很多。

明年世界機(jī)器人大會(huì)上，相信我們就會(huì)看到，這些機(jī)器人已經(jīng)聰明很多了。

今年大會(huì)上的機(jī)器人還沒(méi)有很多互動(dòng)演示，估計(jì)明年至少四足機(jī)器人會(huì)出現(xiàn)比較好的互動(dòng)能力，后年人形機(jī)器人也可能會(huì)有很好的互動(dòng)能力，甚至能跑起來(lái)。

人形機(jī)器人，軟硬件發(fā)展如何協(xié)同？

問(wèn)：激光雷達(dá)、3D視覺(jué)在人形機(jī)器人上，現(xiàn)在有怎樣的應(yīng)用？

黃源浩：現(xiàn)在人形機(jī)器人產(chǎn)品中，基本都有傳感器，激光雷達(dá)、避障傳感器正常也都有。

實(shí)際上，人形機(jī)器人未來(lái)必然會(huì)有多種傳感器做數(shù)據(jù)輸入，像特斯拉的多目方案會(huì)是一種輸入方式，我們這種雙目結(jié)構(gòu)光傳感器也會(huì)是一種輸入方式，激光雷達(dá)當(dāng)然也會(huì)是一種必不可少的輸入方式。

目前人形機(jī)器人的功能、性能都還不夠強(qiáng)，隨著它的能力變得越來(lái)越強(qiáng)，量產(chǎn)能力上來(lái)了，元器件的成本也就會(huì)隨之下降，這是一個(gè)產(chǎn)業(yè)化必然要經(jīng)歷的一個(gè)過(guò)程。

問(wèn)：您如何看人形機(jī)器人未來(lái)的商用情況？

黃源浩：在我看來(lái)，人形機(jī)器人現(xiàn)在就像一個(gè)小孩，它一定會(huì)長(zhǎng)大，長(zhǎng)大過(guò)程中會(huì)逐漸學(xué)會(huì)一些技能，等到它18歲、20歲的時(shí)候，可能就能夠?qū)崿F(xiàn)普及應(yīng)用了。

這么來(lái)看，其實(shí)還有20年，現(xiàn)在他才剛剛1歲，20年后人形機(jī)器人說(shuō)不定會(huì)有幾十億個(gè)。

而要說(shuō)人形機(jī)器人第一個(gè)商用場(chǎng)景，我認(rèn)為大概率會(huì)是工業(yè)，像在汽車工廠里，未來(lái)人會(huì)越來(lái)越少，預(yù)計(jì)5-10年就能大規(guī)模實(shí)現(xiàn)無(wú)人化工廠了。

其它諸如家庭陪伴這樣的場(chǎng)景，我認(rèn)為可能不會(huì)那么快到來(lái)，還需要一定時(shí)間。

問(wèn)：人形機(jī)器人的軟硬件技術(shù)如何協(xié)同發(fā)展？

黃源浩：當(dāng)下人形機(jī)器人的智商和運(yùn)動(dòng)控制能力像是剛出生的孩子，但他的身體骨架已經(jīng)接近七八歲，所以現(xiàn)在我們處于一個(gè)硬件發(fā)展快于軟件算法發(fā)展的階段。

可能再發(fā)展幾年，硬件相對(duì)軟件，又會(huì)變成短板。

例如機(jī)器人的關(guān)節(jié)，現(xiàn)在一個(gè)成年男性能夠輕松抬起30公斤、50公斤的重物，但人形機(jī)器人拿5公斤、10公斤的重物就已經(jīng)很難平衡行走了；

此外，人的關(guān)節(jié)可以用一輩子，但人形機(jī)器人的關(guān)節(jié)可能使用500次、1000次后，各項(xiàng)指標(biāo)就會(huì)下降。

所以現(xiàn)在硬件也還沒(méi)有準(zhǔn)備好。

如果將人形機(jī)器人的軟件和硬件比作它的兩條腿的話，只有人形機(jī)器人的“兩條腿”邁步走路，整個(gè)產(chǎn)業(yè)才能持續(xù)前進(jìn)。

問(wèn)：所以現(xiàn)在其實(shí)是硬件已經(jīng)發(fā)展到一定階段，軟件算法需要跟上的階段，而大模型的出現(xiàn)，讓人們看到了人形機(jī)器人在軟件上實(shí)現(xiàn)快速突破的可能。

黃源浩：傳統(tǒng)人工智能可能短期還追不上人形機(jī)器人硬件的發(fā)展，但是大模型的出現(xiàn)大大加速了這個(gè)過(guò)程，同時(shí)，行業(yè)也在硬件上攻堅(jiān)克難，往前邁步。

機(jī)器人迎來(lái)產(chǎn)業(yè)大分工

問(wèn)：今年7月你們發(fā)布了一個(gè)機(jī)器人視覺(jué)產(chǎn)業(yè)技術(shù)中臺(tái)，奧比中光具體在機(jī)器人領(lǐng)域有怎樣的思考業(yè)務(wù)部署？

黃源浩：其實(shí)2016年我們就開始為機(jī)器人企業(yè)供貨3D視覺(jué)傳感器了，之前機(jī)器人出貨量相對(duì)比較少，但7年下來(lái)，我們確實(shí)為機(jī)器人產(chǎn)業(yè)提供了很多視覺(jué)傳感器。

其實(shí)transformer在2017年就被谷歌提出了，只是GPT、大模型的出現(xiàn)，讓大家意識(shí)到了這個(gè)框架的強(qiáng)大， transformer架構(gòu)出現(xiàn)的這幾年，我們也一直在思考，也許大模型的出現(xiàn)會(huì)讓機(jī)器人產(chǎn)業(yè)，站到20年前互聯(lián)網(wǎng)行業(yè)發(fā)展初期的時(shí)間節(jié)點(diǎn)上，而它之后將會(huì)保持高速發(fā)展。

在機(jī)器人產(chǎn)業(yè)中，未來(lái)除了陪伴類機(jī)器人會(huì)是大批量出貨的產(chǎn)品外，還會(huì)有幾十億小批量、多型號(hào)、多機(jī)種的各類機(jī)器人。

現(xiàn)在機(jī)器人企業(yè)很多，未來(lái)經(jīng)過(guò)大浪淘沙后，還會(huì)有兩三千家機(jī)器人企業(yè)。

現(xiàn)在每個(gè)機(jī)器人企業(yè)都得自己做關(guān)節(jié)、傳感器、模型算法等等，這種模式的投入產(chǎn)出比顯然是不夠的。

對(duì)于機(jī)器人這個(gè)新興產(chǎn)業(yè)，尤其是人形機(jī)器人，沒(méi)有自研技術(shù)，就很難獲得資本市場(chǎng)青睞。

但隨著產(chǎn)業(yè)的發(fā)展，市場(chǎng)的關(guān)注點(diǎn)會(huì)逐漸從技術(shù)這個(gè)單一維度轉(zhuǎn)向更注重投入產(chǎn)出比，投入產(chǎn)出比能否至少打平，就成了一個(gè)企業(yè)未來(lái)是否能夠融到資金的關(guān)鍵。

我的觀察是，現(xiàn)在強(qiáng)調(diào)自研能力的機(jī)器人企業(yè)，慢慢會(huì)轉(zhuǎn)向外采，整個(gè)產(chǎn)業(yè)會(huì)走向一個(gè)更符合現(xiàn)在商業(yè)世界規(guī)則的大分工時(shí)代。

這也是為什么我們會(huì)做一個(gè)產(chǎn)業(yè)技術(shù)中臺(tái)的原因，從技術(shù)角度看，奧比中光的綜合能力很強(qiáng)，從傳感器、雷達(dá)、模型算法，到小批量多機(jī)種的機(jī)器人制造，我們都積累了很強(qiáng)的能力。

就制造角度而言，機(jī)器人行業(yè)更需要的小批量、多機(jī)種的制造，這也是奧比中光的優(yōu)勢(shì)。

我們對(duì)機(jī)器人視覺(jué)產(chǎn)業(yè)技術(shù)中臺(tái)的定位是，不做機(jī)器人（整機(jī)）品牌，但是整個(gè)機(jī)器人產(chǎn)業(yè)需要的諸如視覺(jué)傳感器、激光雷達(dá)等提供通用能力的產(chǎn)品，我們會(huì)盡我們所能去提供，并邀請(qǐng)生態(tài)伙伴一起進(jìn)來(lái)，推動(dòng)整個(gè)機(jī)器人產(chǎn)業(yè)發(fā)展。

問(wèn)：奧比中光機(jī)器人業(yè)務(wù)目標(biāo)要實(shí)現(xiàn)怎樣的業(yè)務(wù)規(guī)模？

黃源浩：機(jī)器人產(chǎn)業(yè)每年肯定是持續(xù)上升的，也會(huì)是我們一條持續(xù)增長(zhǎng)且增長(zhǎng)很快的業(yè)務(wù)線。